Erros de previsão podem ser classificados como erros sistemáticos ou erros aleatórios.
Sistemáticos quando são resultados de equívocos constantes, a previsão é sempre muito alta ou muito baixa. Aleatórios quando o erro resulta de fatores imprevisíveis que fazem a previsão se desviar da demanda real (KRAJEWSKI; RITZMAN; MALHOTRA, 2009).
Gestores utilizam a análise de erro para verificar se o método de previsão atual está prevendo eficientemente a demanda. Encontrar um erro que está além das estimativas históricas pode evidenciar que o método de previsão em uso não é mais apropriado (CHOPRA; MEINDL, 2011).
2.4.1 Método MAD (Mean Absolute Deviation)
Segundo Davis, Aquilano e Chase (2001) calcula-se o MAD (Mean Absolute Deviation) utilizando-se as diferenças entre a demanda real e a previsão da demanda, sem considerar se é positivo ou negativo. Desta forma, ele é igual a soma dos desvios absolutos dividida pela quantidade de dados, como demonstra a equação 8:
𝑀𝐴𝐷 =∑ 𝐸𝑡∨
𝑛 (8)
Onde:
∑ 𝐸𝑡∨ = soma cumulativa dos erros de previsão; n = Número total de períodos
2.4.2 Método MAPE (Mean Absolute Percent Error)
O MAPE (Mean Absolute Percent Error) relaciona o erro de previsão ao nível de demanda e é útil para colocar o desempenho de previsão na perspectiva adequada (KRAJEWSKI; RITZMAN; MALHOTRA, 2009).
É expresso pela seguinte equação:
𝑀𝐴𝑃𝐸 = (∑|𝐸𝑡|/𝐷𝑡)(100)
𝑛 (9) Onde:
∑ 𝐸𝑡∨ = soma cumulativa dos erros de previsão;
Dt = demanda do período n = Número total de períodos
Portanto, após identificado o modelo que melhor se ajusta aos dados, não é certeza que o modelo continue, indefinidamente, a representar apropriadamente o fenômeno. Sendo assim, tem-se a necessidade de instrumentos que possibilitem o acompanhamento do modelo escolhido (MARTINS; LAUGENI, 2005).
Na seção seguinte, será abordada a metodologia aplicada na pesquisa que é objeto do presente estudo.
3 METODOLOGIA
Pesquisa pode ser definida como um processo formal e sistemático de desenvolvimento do método científico. O principal objetivo de uma pesquisa é descobrir respostas para problemas a partir do emprego de procedimentos científicos (GIL, 2008).
Para Vergara (2013) uma pesquisa descritiva evidencia características de determinada população ou de determinado fenômeno. Podendo, também, constituir correlações entre variáveis e definir sua natureza.
A pesquisa exploratória tem como objetivo primordial proporcionar maior proximidade com o problema, com a intenção de torná-lo mais compreensível. Usualmente envolvem levantamento bibliográfico e documental, assim como estudos de caso (GIL, 2008).
Em relação ao universo de pesquisa, delimitá-lo significa explicitar que pessoas ou coisas, fenômenos, entre outras entidades, serão pesquisadas, listando suas características comuns, como, por exemplo, sexo, faixa etária e organização a que pertencem (LAKATOS, 2007).
3.1 Características da Pesquisa
Mediante as explicações dadas anteriormente considera-se que o presente trabalho monográfico se classifica como pesquisa descritiva e exploratória que assume a forma de um estudo de caso.
A primeira é caracterizada por descrever o padrão de eventos ao longo do tempo, identificação da existência de relações entre variáveis, assim como determinar a natureza dessa relação. Já a segunda, objetiva o aperfeiçoamento de ideias ou a descoberta de uma nova concepção, onde seu planejamento é flexível, permitindo com que haja ampla consideração das variáveis estudadas (GIL, 2008).
Já o estudo de caso se define no estudo detalhado de um ou poucos objetos, de uma forma que possibilite seu amplo conhecimento (GIL, 2008).
O universo da pesquisa é representado por todos os produtos fabricados pela empresa estudada, perfazendo um total de 19 produtos. O tamanho da amostra escolhida para análise foi de 5 produtos, tendo como critério de escolha o percentual de participação no faturamento anual da empresa, como pode ser observado na tabela 2.
3.2 Coleta e Tratamento de Dados
As informações foram obtidas, formalmente, junto a empresa com intuito de descrever a metodologia de previsões de vendas utilizada pela empresa e comparar com outros métodos quantitativos de previsão.
O desenvolvimento deste trabalho de pesquisa foi realizado em quatro etapas, como pode ser observado na Figura 2.
Figura 2 – Etapas do estudo
Fonte: Elaborado pelo autor (2018).
Inicialmente foi feita uma revisão dos métodos qualitativos e quantitativos de previsão de vendas, abordando suas definições e aplicabilidades. Na etapa de coleta de dados foram reunidos os dados referentes às vendas semanais dos 5 produtos com maior impacto no faturamento anual da empresa, no período de janeiro de 2018 a abril de 2018.
Para a etapa de tratamento de dados foi, para cada produto, construído o modelo para as três técnicas de previsão de vendas quantitativas selecionadas: média móvel ponderada, média móvel exponencial simples e análise de regressão linear simples.
Por fim, a partir da análise da metodologia de previsão utilizada na empresa e a aplicação dos modelos de previsão propostos para cada produto, foi possível a visualização do modelo com maior precisão e a sugestão das melhorias cabíveis.
As metodologias analisadas são: média móvel ponderada, média móvel exponencial simples e análise de regressão linear simples.
Escolheu-se trabalhar com a média móvel ponderada, pois para Moreira (2008) diferentemente do método da média móvel simples, os valores mais recentes da demanda recebem uma maior importância, podendo revelar alguma tendência.
A técnica da média móvel com ajustamento exponencial foi escolhida por ser uma variação do método da média móvel ponderada com maior precisão pois se adota um peso de ponderação que se eleva exponencialmente quanto mais recentes são os períodos (PEINADO;
GRAEMI, 2007). Os valores de alfa usados como fator de ponderação no método de ajustamento exponencial foram determinados pela ferramenta Solver do software Excel 2013.
A escolha da técnica de regressão linear simples se justifica nos fatos de ter a capacidade de prever pontos de inflexão na demanda e ser um dos métodos mais conhecidos e utilizados (KRAJEWSKI; RITZMAN; MALHOTRA, 2009). A técnica da média simples foi descartada por já ser o método utilizado pela empresa estudada na pesquisa.
A coleta de dados para o estudo em questão se deu por meio de um sistema integrado de gestão empresarial do tipo ERP ( Enterprise Resource Planning) chamado de SAPIENS que é utilizado para avaliar os processos de vendas, suprimentos, manufatura, finanças e compliance.
O sistema é alimentado através de informações (entrada), no armazenamento (processamento) e na saída de dados. Essas informações são fornecidas diariamente e acompanhadas por relatórios de controle para o gerenciamento de todo o processo, desde a geração do pedido até a entrega do produto ao cliente.
Foi selecionada uma amostra de dados das quantidades vendidas de cada produto por semana do período de janeiro de 2018 a abril de 2018 para avaliar as quantidades vendidas de cada produto.
Os dados coletados foram tabulados em planilhas do Software Excel e divididos em 15 períodos cada um correspondendo a uma semana do mês.
Para cada produto ajustou-se aos dados as três técnicas de previsão: média móvel ponderada, média móvel com ajustamento exponencial e regressão linear simples. As informações foram agregadas em tabelas e gráficos para melhor compreensão durante a sua análise.
O critério utilizado para escolher o melhor modelo de previsão em cada situação foi o MAPE (Mean Absolute Percent Error) pois segundo Krajewski, Ritzman e Malhotra (2009) o MAPE é a melhor medida de erro a ser utilizada quando são feitas comparações entre séries temporais.
4 ANÁLISE DOS RESULTADOS
Nessa seção, é abordada a apresentação da empresa em estudo, descrita a sua área de atuação, sua evolução e indicadores de desempenho.
O estudo propõe descrever o processo atual da metodologia de previsão de vendas da empresa em estudo e simular outros modelos de previsão comparando os resultados com os valores obtidos pelo método em uso na empresa.